基于多层次分析框架的人工智能创新生态系统演化研究

孙丽文，李少帅

(河北工业大学经济管理学院，天津 300401)

0 前言

随着新一轮科技革命由 “导入期”向 “拓展期”过渡[1]，一方面，计算能力提升、理论算法革新及大数据技术共同驱动人工智能走出实验室，迅速进入实际应用阶段，人工智能技术产业化相关问题已经成为学界、业界和政府等的关注焦点；另一方面，新兴技术层出不穷，由此所产生的颠覆性效应使企业技术路线不确定性与爆发性并存、大破与大立并存，加之无法预知的跨界挑战等不确定性因素，企业面临的复杂度急剧增加，创新试错的成本上升，单一企业难以拥有越过 “死亡谷”实现可持续发展的全部资源和能力，技术创新走向商业应用更加依赖合作伙伴、供应商、客户等利益相关者的高效协同和创新资源的合理配置。

创新生态系统理论的兴起对创新研究、战略制定等均产生重大影响。2003年，美国总统科技顾问委员会率先提出以创新生态系统为核心的国家创新战略[2]。欧盟于2013年同样围绕创新生态系统部署了十余项创新战略[3]。创新模式已经越过封闭式创新和开放式创新，处于创新生态系统阶段[4]。同时，领先企业加速构筑自身的创新生态系统，凭借广泛的协同创新获取可持续发展的关键能力。可见，创新研究范式从关注要素构成的创新系统向注重要素相互关系的创新生态系统转变[5]。竞争焦点从技术能力等因素转变为创新生态系统之间的比拼。许多专家学者[6-15]都对创新生态系统进行了探讨，但多聚焦于系统内部，对系统与外部环境的关系性质及其影响却研究甚少，对两者相互作用机理的解释力不足。

构建人工智能创新生态系统不仅有助于企业实现价值捕获和价值创造，对推动产业数字化和智能化转型升级、实现经济高质量发展同样意义重大。区块链、大数据、5G及人工智能等众多新兴技术与管理情景兴起，使创新生态系统内部成员关系和整个系统演化均表现出极强的复杂性，亟待更加全面地探索。多层次分析 (MLP)框架能够从多层面清晰地展示创新生态系统的演化过程，可根据具体研究对象特征灵活设置不同维度的含义[16]，能够有效弥补现有研究缺陷。本文尝试采用MLP框架探索人工智能创新生态系统演化的具体过程，并揭示其内在机理。

1 文献研究与模型构建

1.1 创新生态系统研究进展与述评

1993年Moore率先提出企业生态系统，将其表述为基于组织互动的经济联合体，认为商业生态系统是由一定利益关系的组织或者群体构成的动态结构系统，强调任何组织间都不仅是竞争合作关系，而应该与所处的生态共生进化[6-7]。Iansiti等[8]深挖系统内部的主体关系性质，认为其由占据不同生态位但彼此相关的企业构成。Adner等[9-10]从创新主体考虑，认为创新生态系统由核心企业、上游供应商、下游互补方及客户构成，而核心企业是生产和服务的关键组织，创新生态系统可使核心企业创造巨大价值。本文认为创新生态系统由核心企业、创新合作单元、支撑群体等构成，通过创新资源共享、机制共建以及风险共担等克服劣势、放大创新合作优势，实现价值创造、倍增及协同共生的动态系统。

近些年来，创新生态系统研究在系统构建、价值创造、创新管理等领域取得新进展。陈劲等[11]基于整合式创新，提出新型国家创新生态系统的内涵与框架。陈衍泰等[12]聚焦产业创新生态系统价值创造、价值获取的过程与机制，发现形成有利于价值创造的产业前提和厘清各主体价值获取的关系是构建产业创新生态系统的关键。Rohrbeck等[13]以德国国家电信运营商为例，发现核心企业通过开放传统开发流程、吸纳外部创造力和知识资源的方式增强自身创新能力。同时，核心企业还可通过针对创新任务导向的组织职能或管理机制，持续修正创新生态系统[14-16]。梅亮等[17]从战略管理、新制度经济学、创新管理和研究方法四个方面搭建创新生态系统理论研究框架。陈衍泰等[18]尝试探讨了经典组织与管理理论在创新生态系统研究中的应用。

创新生态系统形成了以Moore、Iansiti、Adner及陈劲等学者研究成果为核心的知识体系，但仍缺乏系统性理论建构。同时，已有研究以静态结构模型居多，如以Moore为代表的学者提出 “层次论”，将创新生态系统分为核心层、扩展层和外围层，后续学者又将其改进为核心企业层、创新平台、辅助企业层等；Adner等则提出 “网络结构论”，认为创新生态系统在价值创造中形成以核心企业为中心的网状结构，但是从动态演化视角对创新生态系统的实证研究则较少[7-10，19]。可见，现有研究对创新生态系统内部主体根据环境持续调整和动态适应的关注不足，对系统形成、发展以及推动创新生态系统稳健发展的过程和规律的分析依然不够深刻。

1.2 MLP框架及适用范畴

MLP框架源于荷兰屯特大学的半演化理论，作为把演化经济学和技术研究相结合的方法，已成为分析新兴技术市场化的重要工具[20-21]。通过分析新兴技术在生态位、社会技术范式和社会技术地景的相互作用，从时间和空间揭示技术转型过程和机理[16]。生态位作为新兴技术的 “孵化室”，是指由小规模创新网络形成的保护空间，包括技术生态位和市场生态位，前者是新兴技术未进入主流市场前的孕育环境，为创新试错提供支持，后者指新兴技术被研发出来后所进入的初始市场，通过建立生态位避免新兴技术与主流市场竞争，保护新兴技术走向成熟[19，22]；社会技术范式是指社会成员共同遵守的规则总和，包括市场、技术创新、政策等，实际中由于原有社会技术范式的消极影响，使前景光明的新兴技术在落地过程中也会面临失败风险，如何使新技术范式迅速形成并稳定发展至关重要[23-26]；社会技术地景是指创新生态系统持续演化的宏观环境，包括社会接受、文化认可以及价值观念等因素[27]。合适的社会技术地景可促进系统结构趋向合理、功能更加完善，而系统结构和功能优化又会推动社会技术地景正向变迁，加速新社会技术地景形成[28]，但社会技术地景要比社会技术范式的改变更加缓慢和困难。

MLP框架被广泛应用于技术转型研究，案例研究成为主流方法[29]。Geels[30]将其用于评估低碳转型驱动因素、障碍和探索转型路径，Osunmuyiwa等[31]将其应用于可再生能源转型，指出新能源转型具有长期性和复杂性。Geels等[32]对1990年至2014年的德国和英国低碳电力转型进行比较分析，发现可持续转型中可能存在路径间的转换。2014年Geels[25]基于MLP框架建立了三重嵌入框架，将企业概念化为外部嵌入环境和行业机制，强调核心企业作用。此处同创新生态系统中核心企业的作用基本一致，MLP框架同样适用于创新生态系统演化[19]。本文凝练了MLP框架和创新生态系统的最新研究成果，尝试构建人工智能创新生态系统演化模型，以期更加全面地揭示其演化规律，为人工智能技术商业化提供理论解释。

1.3 基于MLP框架的创新生态系统演化模型构建

技术生态位为新兴技术诞生提供了孕育空间，但因新兴技术的高度不确定性，尚未产生主导设计，且用户群体和未来市场难以清晰判断，主要由坚信新兴技术潜力并愿意投入的核心企业支撑，以技术研发为核心的创新生态系统由萌芽状态逐渐到初步形成。由于技术生态位为新兴技术成长提供了保护性空间，可将其界定为技术保护期。在技术生态位对新兴技术的培育下，新兴技术能力得以持续积累和提升，最终突破应用红线并尝试满足部分市场需求。随着用户对新兴技术认知水平的提高和态度转变，新兴技术逐渐发现小规模的市场生存空间。此时避开主流竞争市场的市场生态位能够为大多数新兴技术创造合适的初始市场空间，但也有少数技术因颠覆性特质，可对市场竞争规则、运行模式等产生 “破坏性创新”[33]，该情形下市场生态位作用不再是避免新兴技术与主流技术的市场竞争，而是如何促进两者融合。无论哪种情形，率先发现新兴技术商业化实现路径都极为重要，技术持续性积累和商业化探寻成为关注重点，可将其界定为积累探索期。

经过积累探索期，新兴技术发展战略得以确立，新市场规模裂变式增加，相关产品和服务爆发式发展，新兴技术进入市场生态位并形成独特的商业模式[34]，由其主导的范式逐步被社会接纳并与现有社会技术范式展开争夺。随着越来越多的利益相关者加入并被联系到一起，创新生态系统规模扩大、功能逐渐完善、稳定性增强，鉴于新兴技术发展战略确立、商业化迈入快速稳定的发展轨道，可将其界定为战略发展初期。此后系统规模逐渐稳定，内部成员间更加注重链接质量和效率，系统功能完备、运行通畅，新兴社会技术范式逐渐占据优势地位，可将其界定为战略发展中期，伴随系统演化重点从社会技术范式转向对社会技术地景的多领域、深层次改造，属于漫长的社会性工程，可将其界定为战略发展后期。

基于上述分析，本文从时间和空间维度构建MLP框架下的创新生态系统演化模型 (见图1)。横轴为时间维度，反映发展过程；纵轴为空间维度，反映影响范围。

图1 MLP框架下人工智能创新生态系统演化模型

2研究设计

2.1 研究方法

由于创新生态系统演化过程的复杂性和不确定性，现有文献尚未深入并且缺乏中国情景的相关探讨。与问卷、试验等相比，案例研究更适合应用到全新领域的探索当中[35]。同时，由于人工智能技术体系和演化过程涉及的因素较多，单案例研究不足以覆盖全部研究内容，需要采用多案例研究揭示人工智能创新生态系统的变化特征。案例研究成为多层次分析框架的主流选择，形成了相应的方法、工具及典型案例，能够为创新生态系统演化提供全面性指导，有助于本文研究目标的实现。

2.2 案例选取

根据开展案例研究理论抽样的方法，即案例群对理论发展的贡献[36]，本文选取案例主要考虑两方面：①案例典型性与适配性。国内一批关键势力依托自身技术、资金与数据门槛，构成了推动人工智能技术产业化的第一梯队，包括以百度、阿里和腾讯为代表的互联网巨头，也包括科大讯飞这样的独角兽企业，它们的实践探索和取得的巨大成功给人工智能发展带来极大启发。因此，本文选取以上四家企业进行探索性案例分析，以期归纳人工智能创新生态系统的演化规律，为中国人工智能发展提供借鉴。②案例数据可获取性和研究便利性。以上案例都是行业领军企业或后起之秀，可方便地从网站收集较多公开数据和行业资料，其历史数据也较为完整，可提供研究所需素材，所选取案例也经常被新闻媒体关注和报道，便于资料多样化获取。

2.3 数据收集及编码

一手资料具有收集难度较大、涉及保密及需要避免印象管理和回溯性释义所带来的偏差等问题[37]。二手资料具有覆盖面广、时间跨度长、稳定性好等优势，通过科学合理的多种渠道获取的二手资料同样可用于科学研究[38]。因此，本文主要通过对二手资料的收集获取相关数据：①通过访问案例企业的官方网站和微博、公众号等平台的官方认证账号发布信息，获取企业人工智能战略布局、技术能力与市场化发展等关键信息，查阅国家颁发的公开政策文件、行业统计报告等；②通过CNKI和ELSEVIER期刊数据库、重要报纸数据库搜索有关文献，精读并做好阅读笔记，整理形成整体研究脉络；③通过非正式沟通、查阅研究报告，获取行业发展形势及案例企业人工智能的具体应用情况。数据来源渠道的多样化方便相互印证并使研究结论更加科学和富有解释力，同时为了避免共同方法产生的偏差，本文基于 “资料三角形”原则确保通过多样化的信息和资料来源对数据相互补充和交叉验证[39]，并对信息深度挖掘以形成完整证据链，保证研究的信效度。

根据质性研究的规范分析逻辑，本研究依据所收集的数据资料对案例数据进行一级编码 (见表1)，识别出在人工智能创新生态系统形成和演化的外部环境、内部发展状态以及系统与环境的关系性质，并将其整理为二级编码；通过已搜集的文献指引，归纳出案例企业人工智能技术创新及商业化发展的具体实践并将其进行概念化，以形成三级编码；通过文献指引将二级编码和三级编码进行合理对接；为了验证数据编码的合理性，在上述编码过程完成后再次核对结果，对编码结果有歧义的部分重新检查，并对原始数据进行追溯和多次讨论，直到本文的研究小组对编码结果取得一致意见。

表1 数据资料来源汇总

3 人工智能创新生态系统演化的案例分析

3.1 人工智能创新生态系统的构成

人工智能创新生态系统由核心企业、创新合作单元、初创新锐、纳米创业者等构成。核心企业包括科大讯飞、百度、阿里和腾讯。创新合作单元较多，既有来自企业内部的讯飞研究院、阿里人工智能实验室等研发机构，也有来自企业外部的英伟达、比亚迪、中国移动等国内外多个领域的供应商、制造商、运营商及配套商。同时，初创新锐、纳米创业者及政府在完善系统功能、强化系统稳定性等方面发挥着不可或缺的作用。

3.2 人工智能创新生态系统的演化

为了克服多案例对象发展过程的异步性，本文结合创新生态系统核心企业在20年内发展的关键事件，将其演化归结为以下三个时期。

(1)技术保护期 (2000—2009年)。20世纪90年代，互联网热潮和创新创业兴起，但社会各界对人工智能停留在概念性认知并持怀疑和恐惧态度，MUSK、GATES的AI威胁论扩大和加深了公众的隐忧，政策在鼓励技术创新与转化中单点发力居多、政策体系尚未建立，同时创新文化建设滞后。科大讯飞选择了当时处于寒冬期的人工智能并把智能语音作为未来主攻方向，与中国科技大学、社会科学院共建实验室以整合技术资源。2001年科大讯飞智能语音平台开发厂商突破100家，并获首批 “国家规划布局内重点软件企业”认定，承接国家语音高技术产业化示范工程，成立科大讯飞研究院以聚集人才和深耕智能语音技术。同时期互联网巨头依托用户规模和数据优势，把人工智能与自身业务相联系，采取稳健的技术创新策略。技术保护期的相关构念及典型事实证据见表2，可见，该时期人工智能创新生态系统处于技术生态位等级，其技术研发和新产品受到核心企业和各自供应商、少量用户及政府政策共同支持，尤其是核心企业对人工智能的超前布局和创新资源投入，使其能够避开市场的激烈竞争，获得小范围稳定有利的发展空间。进一步分析发现，技术赛道异质性成为核心企业改进和优化技术生态位、实现技术突破的前提和战略考虑。百度、阿里和腾讯虽未实施系统性布局，但通过成立AI实验室和在核心业务领域的尝试，亦形成适宜技术创新的稳定保护空间。技术保护期作为创新生态系统演化的初始阶段，人工智能技术水平不高、新产品生产规模较小、体验感欠佳，且供应商体系、用户反馈等不健全，因此系统功能尚不完善、稳定性较差，只能被动受到社会技术地景的不利影响。同时，人工智能未来应用发展前景不明朗且风险极大，初创新锐和纳米创业者尚未形成。

表2 技术保护期的相关构念及事实证据

(2)积累探索期 (2010—2014年)。Pegasyste-ms 《对人工智能态度的调查报告》显示：38%的受访公众表示理解并保持谨慎乐观态度，33%持理性观望态度。与技术保护期相比，公众态度更加理性。同时，纳米创业者和初创新锐也加速形成，加快技术积累和商业化步伐成为企业的共识。

2010年科大讯飞开展深度神经网络的语音识别研究，并于次年上线中文语音识别DNN系统，2012年推出智能语音助手，2014年正式启动 “超脑计划”，研发认知智能系统；2010年百度进军人工智能并组建AI团队，李彦宏提出创建深度学习研究院，2013年4月，百度设立硅谷实验室以聚集顶尖技术人才，2014年1月启动 “少帅计划”为百度培养技术人才，同年与宝马合作并将自动驾驶作为战略发展方向；腾讯从2010年开始依据不同方向设立多个实验室，攻克核心技术难题，通过组建技术研发共同体加速技术积累，马化腾多次表示要围绕核心业务和场景应用进行人工智能布局，2013年9月腾讯在游戏、社交、医疗的布局和商业化探索也迅速展开；2012年阿里聚集科学家团队从事人工智能技术研发和储备，但仅作为阿里云服务的子项目，此后阿里逐步积累关键技术，并在沉寂两年后实现技术和战略的双重爆发，技术领域从语音识别到图像识别，再到搭建人工智能底层计算平台，战略领域从电商、支付延伸到投融资等非核心业务。积累探索期的构念及事实证据见表3，可见，该时期人工智能技术不断取得突破并使规模化应用成为可能，核心企业基于各自业务异质性进行技术积累和商业化探索，促进人工智能进入适合的新市场生态位[26]。科大讯飞精耕细作，不断将新兴人工智能技术应用于语音市场实践。百度重视深度学习等通用型技术，并率先将自动驾驶作为人工智能落地的发展领域。阿里持续积累人工智能技术，不断探寻和创新技术商业化路径。腾讯在技术攻坚同时将核心业务与人工智能紧密结合，并积极布局在医疗影像场景的可行方案。积累探索期是创新生态系统演化的发展阶段，随着人工智能技术日渐成熟，相关产品服务的市场规模也迅速扩大，同时社会技术地景向利于人工智能发展和系统演化的方向转变，但因市场需求尚不清晰，核心企业的人工智能技术商业化战略仍处于探索时期。

表3 积累探索期的相关构念及事实证据

(3)战略发展期 (2015年至今)。科大讯飞秉持 “平台+赛道”战略，2015年发布AIUI，每天为13万开发伙伴和7亿用户提供语音交互服务，致力实现千亿市值。2019年，讯飞开放平台已具备334种复杂AI能力，通过与英特尔、英伟达等顶尖供应商、制造商战略合作，应用终端数超过20亿。同时，为了促进技术快速更迭和横向化发展，科大讯飞与阿里、腾讯在文娱领域合作以实现服务和体验的深度升级，与初创新锐商汤科技长期合作以扩张技术和产业赛道。百度采取 “抢占先机，先技术后场景”战略，率先布局自动驾驶并成立IDL和硅谷实验室，2015年成立自动驾驶事业部，2017年百度开放无人驾驶技术平台Apollo，推动汽车行业生产要素配置方式、运营模式及服务模式创新。百度还联合零部件供应商和汽车制造商，与华为、腾讯等合作，进行资源整合以实现更广泛的AI落地。2015年后阿里联合众多供应商、制造商和运营商，基于阿里云相继推出130多款细分产品，形成庞大的产品矩阵，适用场景达300多个。腾讯采取 “业务驱动+场景至上”战略，为了促进核心业务及产品智能化发展，腾讯同港科大成立联合实验室，后又成立AI lab。2017年发布 “腾讯觅影”以辅助食管癌等疾病筛查并抢占医学影像应用场景，同明峰医疗、广州互云等创新合作，与近100家医院达成合作意向，实现从区域到全国的应用扩散。

人工智能对经济社会的深刻改变加速了政策密集出台。2015年，国务院把 “互联网+人工智能”列为推进 “互联网+”指导意见中的重点行动。2017年，国务院颁布 《新一代人工智能发展规划》、工信部印发三年行动计划。社会各界对其态度也逐渐从怀疑、恐惧转变为接受和认同，并向产品服务认知和社会影响认知转变，期望人工智能在提升工作效率和舒适性、拓展活动空间等方面发挥作用且安全可控，相应文化氛围浓郁、价值规范逐渐清晰等因素推动社会技术地景正向迁移。同时，纳米创业者和初创新锐相继涌现，纳米创业者数量众多且相当活跃，通过依附核心企业建立的开放创新生态或构建特定细分领域的比较优势，链接与吸纳多方创新资源并创造出可观的经济价值，初创新锐在计算机视觉、语音识别等领域构筑起差异化竞争优势。战略发展期的构念及事实证据见表4，该时期是人工智能创新生态系统的核心阶段，核心企业明确了适合的发展战略，促进人工智能产品和服务爆发式发展、市场规模裂变式增加，不同应用领域的产业生态更加丰富，人工智能越过市场生态位向社会技术范式挺进[26]。同时，核心企业通过彼此协作以及与利益相关者合作实现了更广泛的创新资源共享与互补，系统内部联系性和稳定性大为增强。社会各界对人工智能的接受和认同感增强，社会技术地景更加适宜。

表4 战略发展期的相关构念及事实证据

通过上述分析，得到MLP分析框架下人工智能创新生态系统的演化过程及机理，如图2所示。

图2 基于MLP分析框架的人工智能创新生态系演化过程及机理

3.3 案例对演化模型的验证性分析

起初，社会技术地景不利于人工智能生存发展，科大讯飞毅然选择了尚处于寒冬期的人工智能，互联网巨头亦开始注重人工智能技术攻关，以技术研发为核心的创新生态系统初步形成，并借助政策支持进行商业化初探，即为人工智能技术及其产品服务创造了保护空间，由此验证了技术保护期；此后，人工智能逐渐脱离技术生态位，进入市场生态位，因人工智能可对市场竞争规则、运行模式等产生颠覆性影响[33]，市场生态位的作用不再是避免人工智能与主流技术竞争，而是促进两者融合，此时核心企业将人工智能赋能自身优势业务领域，并试图通过持续技术积累和探索商业化路径获取未来发展的领先优势，由此验证了积累探索期；最后，随着人工智能性能升级和影响力扩大，原有社会技术范式内部结构受到强烈冲击，新社会技术范式加速建立，在此过程中创新生态系统的核心企业经过技术积累和商业化探索，确立发展战略并开启人工智能发展新征途，由此验证了战略发展期。

4 结论

(1)核心企业的发展战略对于人工智能创新生态系统的发展具有决定性作用。在技术保护期，科大讯飞、百度、阿里和腾讯就确立了适合自身生态位发展的技术赛道，投入巨大资源进行相应技术研发并提供保护空间，不仅有效降低了相互竞争压力，而且为彼此创新合作奠定了基础；在积累探索期，以上四家核心企业探索人工智能商业化主导战略，最终确立了 “平台+赛道” “抢占先机，先技术后场景” “错位发展”和 “业务驱动+场景至上”的发展战略。

(2)社会技术地景正向迁移对创新生态系统演化发挥了重要推动作用。积累探索期和战略发展期是社会技术地景产生根本性转变的时期，该时期发展导向开始向人工智能倾斜，社会认知水平从概念性理解上升到对人工智能产品服务和人类社会影响的思考，同时，适宜人工智能发展的氛围从无到有、逐渐浓郁。以上因素极大减少了人工智能技术创新与应用的现实阻力，为创新生态系统的功能完善和健康演化提供了有力支撑。

(3)人工智能创新生态系统演化需要成员间紧密合作与相互协同。在创新生态系统内部，即使核心企业也无法掌握人工智能创新发展的全部资源和能力，且可能导致系统结构的松散和失衡，甚至使系统偏离正常演化方向。笔者通过深入分析四家核心企业的发展历程发现，它们在技术领域、战略布局、优势业务等方面均存在明显异质性，为相互协作创造了广阔的合作空间。同时，政策对人工智能发展的支持从关键点发力到战略协同推进，体系建设逐渐完善，其覆盖范围也从宏观层面的环境优化深入到微观层面的企业创新生态构建，核心企业和政府之间能够形成合力、相互促进，从而使人工智能创新生态系统的演化更加稳健。